對決快時尚!傳統紡織業於雲端導入Google機器學習應用 助數位轉型 - 匯流新聞網

LIFE

對決快時尚!傳統紡織業於雲端導入Google機器學習應用 助數位轉型
對決快時尚!傳統紡織業於雲端導入Google機器學習應用 助數位轉型

匯流新聞網記者藍立晴 / 台北報導

Google今(8)舉辦機器學習系列媒體聚會,首次邀請台灣企業代表「和明紡織」於現場分享如何透過Google機器學習技術結合雲端平台的應用,創造出新的商業模式,並協助企業進行數位轉型。

今日Google機器學習系列媒體聚會聚焦於雲端服務主題,說明Google機器學習技術在雲端平台(Google Cloud Platform,GCP)的四大重點,分別是雲端運算、演算法、數據與技術人才,以及如何透過TensorFlow和雲端平台提供的服務,幫助企業與開發者更容易、快速地取得有用的機器學習模型和工具。

現今,面對全球紡織業以及快時尚的激烈競爭,以及內部舊有的倉儲技術、仰賴人力處理的費時接單流程,「和明紡織」一直希望能將過去多年來累積的專業經驗與技術,結合科技智慧,讓其以數據形式保留,進而能分析、再利用,提升企業營運效率。

「和明紡織」透過Google機器學習技術、雲端平台服務
大幅提升新設計進入市場效率

和明紡織策略執行顧問李佳憲分享,自去年10月開始,公司開始運用Google機器學習技術、雲端平台服務,將過去所有生產過的布料樣式數位化建檔,同時訓練布料樣式的辨識模型,幫助設計師快速自資料庫中迅速找出特定樣式。

李佳憲指出,和明紡織成立四十多年來,已累積超過100,000種紡織布料設計樣式,過去接到客戶的布料樣式需求,從靈感發想、設計到看樣到提供樣布,平均需要1.5至3個月的時間,而和明設計的布料儲存倉庫共有3處,分別在台北1處、台南2處,以往往返台北、台南倉庫,找出特定布料最長甚至需要40至45天。.

20180309a02a01

▲和明紡織策略執行顧問李佳憲。/記者藍立晴攝

李指出,現在透過新系統的協助將能有效利用既有檔案及庫存,甚至只需2-3天即可完成,將新設計帶到市場平均所需的時間預計將能大幅降低25%,自原先的12個月縮短至未來的9月,當系統建構完成,就能在行動應用程式上進入由機器學習所建立圖樣的資料庫,和明紡織更訂出目標,盼在兩年內創造出超過10,000種圖樣設計。

20180309a02a02

▲和明紡織透過「監督式」機器學習方法,由設計師篩選出布料的特徵 訂定分類標準,進而利用人工標籤過這些特徵的圖片,訓練機器識別,大幅提升布料樣式辨識的準確度。未來也將朝向「半監督式」機器學習發展,期望能逐漸減少人力篩選特徵的過程。/Google提供

他表示,和明紡織不只希望能將結合機器學習和行動應用程式等產品僅為自家公司所用,盼將這些成果作為雲端服務讓來自其他產業的參與者都能利用,進而提升紡織業整體效率,造成製造業的永續發展與循環,同時建立起設計師社群,他也透露,行動應用程式預計在2018年6月至7月間投入生產。

20180309a02a03

▲和明紡織利用監督式機器學習方法,訓練布料樣式的辨識模型,並將在未來投入開發應用程式,提供開放的樣式資料庫平台。/Google提供

Google雲端企業客戶經理田哲禹則表示,很高興看到和明紡織運用Google雲端平台和機器學習技術,有效改善內部作業流程更創造了新的服務模式。Google盼能透過降低人工智慧的進入門檻,加上雲端平台的應用,幫助台灣產業朝向智慧轉型前進,讓企業、開發者可以更快速、容易導入相關技術。

田哲禹指出,人工智慧將改變我們的生活和工作方式,為讓人工智慧可以被更多人使用,Google將透過四大重點:運算、數據、演算法、人才,來推廣雲端人工智慧應用。

國際應用實例:Shazam、《列王的紛爭》都是Google客戶

20180309a02a04

▲Google雲端企業客戶經理田哲禹舉例,現在相當受到歡迎的音樂、歌曲辨識app:Shazam,即是利用Google雲端運算服務。在採用了Google Cloud GPU後,將使用者錄製的音樂片段與超過 4000 萬首歌曲的索引進行配對,原本「每天一次」的歌曲索引更新速度,變成如今「每小時一次」,大幅提升運算效能,這即是Google欲透過四大重點中的「運算」,來實現人工智慧大眾化目標的例子之一。/記者藍立晴攝

Google雲端提供的機器學習服務,除了有量身打造的機器學習模型TensorFlow、Cloud ML Engine之外;還有於今年1月發表的客製化機器學習模型Cloud AutoML其第一款產品Cloud AutoML Vision API,能讓一般公司即使無法像大型企業投入大量資源和人力操作,也能開發出符合自身工作需求的客製化高品質機器學習模型;以及已經預先訓練過的機器學習模型,如影像辨識API、語音辨識API、翻譯API與自然語言API等。

田哲禹指出,企業與開發者可以利用已經訓練過的機器學習模型,如翻譯API,將只具有片語基礎的機器翻譯分散式、片段式的翻譯結果,透過翻譯API進行類神經網路機器翻譯,即能連貫、一次翻譯整個句子,知名遊戲《列王的紛爭》即利用此模式,即使全世界30多萬個玩家都在同一個伺服器內進行遊戲,也能透過多語言即時翻譯,讓來自各國的玩家們溝通無障礙,進一步促進全球遊戲社群的發展,也讓人工智慧貼近每個人的生活。

最後,Google亦提及了該公司在機器學習人才培養上的計畫,例如將透過Google Brain Residency計畫,每年資助全球超過250個相關學術研究計畫、大量博士生與實習生;此外,Google進階解決方案實驗室(Advanced Solutions Lab),則讓企業能與Google機器學習專家們面對面交流和學習。

Google指出,Google雲端將持續優化現有的雲端機器學習服務,並且擴大與企業合作,盼能透過多元的雲端機器學習服務,提升更多企業的市場競爭力。

更多匯流新聞網報導:
Google分享人工智慧成果 機器學習、神經網路扮要角
Google機器學習結合科學應用 幫助人類發現新行星、提高基因組測序準度

【匯流筆陣】
CNEWS歡迎各界投書,來稿請寄至[email protected],並請附上真實姓名、聯絡方式與職業身份簡介。
CNEWS匯流新聞網:https://cnews.com.tw

新聞照來源:Google提供、CNEWS

【文章轉載請註明出處】


R18